关键词： 核融合   遗传算法   核偏最小二乘   非线性预测   数量性状预测  

摘要： 目的:随着生物技术的进步,我们可以很容易地获取大量的基因组数据。基于大量基因组数据的预测和分类为疾病的早期筛检提供了一种代价小且效率高的方法。然而,基因和某个性状之间的关系可能是非常复杂的,从基因到一个复杂性状的转化,不是多个独立基因的简单作用,而是涉及到很多基因之间复杂的交互作用,也就是说,这种转化可以被看做是一个非线性映射问题。这些复杂的关系可能是由多种效应产生的,比如,一个基因的自我调控或者基因之间的协作和竞争。由于这种复杂关系的存在,发展一个能够捕捉这种非线性关系的功能强大而且高效的统计模型就显的十分必要了。在我们的研究中,我们着眼于发展一个基于核偏最小二乘法的模型,该模型期望拥有更好的学习能力和泛化能力,并能够整合多个组学数据源,获得更好的预测或分类效果。方法:我们首先建立一个经典的核偏最小二乘模型,然后通过一个多个核函数的凸组合计算出一个新的复合核函数,最后我们用新的复合核函数代替之前经典核偏最小二乘模型中的核函数以生成改进的核偏最小二乘模型。在改进的核偏最小二乘模型中的所有参数均通过遗传算法进行优化。通过构建适合的复合核函数,我们的方法能够解决并改善单个基因组数据源以及多个基因组数据源的预测和分类问题。我们提出的基于遗传算法的复合核偏最小二乘模型的性能将通过相应的模拟研究和真实数据研究来展示。结果:大量的模拟研究和真实数据研究表明我们提出的基于遗传算法的复合核偏最小二乘模型在使用一个基因组数据源进行数量性状预测时,能够给出最大的21FQ和最小的RMSEP;当使用基于三个基因组数据源(即micro RNA,m RNA和拷贝数变异)的核偏最小二乘核融合模型对两种乳腺癌病人(三阴性和非三阴性)进行分类时,我们的核融合模型获得了最大约登指数、最小分类错误率和马修斯相关系数(MCC)。结论:我们提出了一个基于核偏最小二乘预测框架的复合核方法,该复合核具有好的学习能力和泛化能力;我们提出了一个基于核偏最小二乘分类框架的复合核方法,该复合核能够有效地融合多个基因组以及其它组学数据源,从而获得改进的性能;遗传算法能够很好地解决核参数和核权重的优化问题。

关键词： 随机决策树   结点   算法   奇点   随机树   特征集   个数  

摘要： 随机决策树[1](Random Decision Trees),是由Wei Fan等人提出的一种决策树构建方法,它的一大特点就是不需要任何特征选择。因其生成过程具有随机性,对集成学习准确性与差异性的研究提供了新的思路[2][3]。1随机决策树算法描述在整个构建过程中,任何一个结点的生成都是从特征集中随机选取的。对于离散特征来说,每个子树的生成都对应一个离散特征值,且不可以被重复选取。对于连续特征而言,可将其离散

关键词： Neural networks  

摘要： In the past decade, machine learning methods for empirical rainfall-runoff modeling have seen extensive development and been proposed as a useful complement to physical hydrologic models, particularly in basins where data to support process-based models are limited. However, the majority of research has focused on a small number of methods, such as artificial neural networks, despite the development of multiple other approaches for non-parametric regression in recent years. Furthermore, this work has often evaluated model performance based on predictive accuracy alone, while not considering broader objectives, such as model interpretability and uncertainty, that are important if such methods are to be used for planning and management decisions. In this paper, we use multiple regression and machine learning approaches (including generalized additive models, multivariate adaptive regression splines, artificial neural networks, random forests, and M5 cubist models) to simulate monthly streamflow in five highly seasonal rivers in the highlands of Ethiopia and compare their performance in terms of predictive accuracy, error structure and bias, model interpretability, and uncertainty when faced with extreme climate conditions. While the relative predictive performance of models differed across basins, data-driven approaches were able to achieve reduced errors when compared to physical models developed for the region. Methods such as random forests and generalized additive models may have advantages in terms of visualization and interpretation of model structure, which can be useful in providing insights into physical watershed function. However, the uncertainty associated with model predictions under extreme climate conditions should be carefully evaluated, since certain models (especially generalized additive models and multivariate adaptive regression splines) become highly variable when faced with high temperatures.

关键词： 冠心病   RBF-DDA神经网络   支持向量机   随机森林   慢性病筛查  

摘要： 目的:针对慢性病调查数据,建立RBF-DDA神经网络、支持向量机、随机森林三种冠心病识别模型,探索不同机器学习方法在冠心病筛查识别中的应用,验证多种机器学习方法在冠心病筛查中应用的可能性,为冠心病筛查方法的改进提供支持。方法:将2012年开展的吉林省成人慢性病及其危险因素调查的数据划分为训练数据集和测试数据集。首先利用训练数据集建立RBF-DDA神经网络模型、支持向量机模型和随机森林模型的冠心病筛查识别模型,利用测试数据集的输入变量输入已经建立好的模型,预测识别输出变量,并与测试数据集中的实际输出变量进行对比,产生模型的识别效果。然后通过手工、十折交叉验证等方式对不同模型中涉及的参数进行优化。最后,利用最优参数建立三种模型,对模型的筛查识别效果进行检验,并通过精度、灵敏度、特异度等指标对不同模型的筛查识别效果进行比较。结果:***-DDA神经网络取得的最优参数为:激活阈值(0.5)和抑制阈值(0.5)。将RBF-DDA神经网络模型在测试集中的是否患冠心病预测值与实际值进行比较,模型的精度55.83%、灵敏度58.88%、特异度55.46%、G-Mean57.14%。RBF-DDA神经网络模型的结果优于传统RBF神经网络。2.支持向量机有四种不同的核函数,不同核函数建立四种支持向量机模型:linear-SVM、radial-SVM、sigmoid-SVM、polynomial-SVM。linear-SVM模型的最优参数为,cost=0.5;radial-SVM模型的最优参数为,cost=2、gamma=0.01;sigmoidSVM模型的最优参数为,cost=4、gamma=0.001、coef0=0.25;polynomial-SVM模型的最优参数为,cost=8、gamma=0.001、coef0=0.25、degree=3。经过参数优化后,得到四种模型的最优识别效果。linear-SVM模型的精度68.03%、灵敏度76.45%、特异度67.01%、G-Mean71.57%。radial-SVM模型的精度65.32%、灵敏度77.57%、特异度63.84%、G-Mean70.37%。sigmoid-SVM模型的精度67.93%、灵敏度77.94%、特异度66.71%、G-Mean72.11%。polynomial-SVM模型的精度67.58%、灵敏度79.07%、特异度66.19%、G-Mean72.34%。3.随机森林模型采用手工和十折交叉验证两种参数优化方式。手工参数优化取得的最优参数为:mtry=6、ntree=300。十折交叉验证参数优化取得的最优参数为:mtry=6、ntree=290。手工优化的随机森林模型的精度66.86%、灵敏度81.50%、特异度65.08%、G-Mean72.83%。十折交叉验证优化的随机森林模型的精度66.49%、灵敏度80.56%、特异度64.79%、G-Mean72.24%。4.三种模型识别效果的比较,随机森林的综合效果最好,模型的精度66.86%、灵敏度81.50%、特异度65.08%、G-Mean72.83%。在精度和特异度上,随机森林与支持向量机相差不大,且均比RBF-DDA神经网络模型要好。在灵敏度上,随机森林最好,比支持向量机高2.43%,比RBF-DDA神经网络高22.62%。在综合指标G-Mean上,随机森林比支持向量机高0.49%,比RBF-DDA神经网络高15.69%。结论:***-DDA神经网络、支持向量机和随机森林三种模型在基于慢性病调查资料的冠心病识别运用中具有可行性。2.针对模型参数的优化,对RBF-DDA神经网络、支持向量机和随机森林三个模型的冠心病识别效果均有提升。3.三个模型的识别效果:随机森林模型最好、支持向量机其次、RBFDDA神经网络最差。

关键词： 大学生体质   现代信息技术   机器学习方法   多参数   运动量   运动伤害   强度模型  

摘要： 运动猝死引发的大学生体质讨论是当前社会研究的热点之一。依据大学生生理变化情况,本文提出了一种基于无线传感网、大数据理论及机器学习方法等现代信息技术的大学生体质分析方法。实验结果表明,基于多参数的大学生最佳运动强度模型能有效预估运动量,能够在保证健康运动的同时降低运动伤害。

关键词： 统计建模方法   随机森林   mboost   神经网络   交叉验证   标准均方误差  

摘要： 本文旨在用近年较经典流行的三种机器学习算法:随机森林,神经网络,mboost与统计建模方法对多元时间序列数据(气温数据)、纵向数据(帕金森病数据)、多重共线性数据(糖尿病数据)做预测对比.针对世界16个城市的最低温度和最高温度为变量的多元时间序列数据,运用VARX模型预测和四种主要的针对横截面数据的机器学习算法做预测比较,并作出对比分析,结果表明无论是在长期预测还是短期预测,VARX模型的预测效果大都不如这些机器学习算法中的一些模型.对于对各个变量中选择出来的不同因变量,预测结果最优的模型也不同.被预测的时间区间越短(相应的训练集越大),则VARX模型预测的效果越好,这说明专门为时间序列设计的方法在该数据上的预测不如为横截面数据设计的机器学习算法,因而在做多元时间序列预测的时候,必须根据数据和变量的各种实际情况来选择最优的预测模型.对一个帕金森病的纵向数据和一个糖尿病的横截面数据做了机器学习方法及统计建模方法对预测的比较.关于第一个数据,对于训练集不同的样本量,分别用线性随机效应混合模型和随机森林、mboost、神经网络做了预测,并对比标准化均方误差.发现无论是长期预测还是短期预测,线性随机效应混合模型在该数据上的预测效果都显著不如神经网络.对于第二个数据:具有多重共线性,分别用岭回归,lasso回归,适应性lasso回归,偏最小二乘回归(PLS),逐步回归,线性回归及机器学习算法做十折交叉验证预测对比.结果显示,神经网络在处理此多重共线性数据时远远好于其他的传统统计建模方法,而不那么传统的PLS方法也全面优于其它几种传统方法,但远不如神经网络方法.本文为比较研究的案例库贡献新的、有重要参考价值的比较案例,同时对实际工作者提供有益的参考.本文的所有计算基于R软件.

关键词： Carbonation   Concrete   Machine learning   Neural network   Decision tree   Bagged decision tree   Boosted decision tree   Model  

摘要： Reliable carbonation depth prediction of concrete structures is crucial for optimizing their design and maintenance. The challenge of conventional carbonation prediction models is capturing the complex relationship between governing parameters. To improve the accuracy and methodology of the prediction a machine learning based carbonation prediction model which integrates four learning methods is introduced. The model developed considers parameters influencing the carbonation process and enables the user to choose the best alternative of the machine based methods. The applicability of the method is demonstrated by an example where the carbonation depths are estimated using the developed model and verified with unseen data. The evaluation proofs that the model predicts the carbonation depth with a high accuracy. (C) 2015 Elsevier Ltd. All rights reserved.

关键词： 磁盘   故障预测   机器学习  

摘要： 磁盘是保存数据的重要载体,提高磁盘的可靠性和数据可用性具有重要意义。现代磁盘普遍支持SMART协议,用来监控磁盘的内部工作状态。采用机器学习方法,分析磁盘的SMART信息,实现对磁盘故障的预测。所采用的机器学习方法包括反向神经网络、决策树、支持向量机以及简单贝叶斯,并采用实际磁盘SMART数据进行验证与分析。基于上述数据,对不同机器学习方法的有效性及其效果进行了对比。结果表明,决策树方法的预测率最好,支持向量机方法的误报率最低。

关键词： 机器学习方法   入侵检测技术   贝叶斯分类神经网络   遗传算法   支持向量机  

摘要： 随着信息技术的不断发展,人们生活发生了翻天覆地的变化,它给人们带来了很多便利,但与此同时,安全问题也日益突出。目前,传统的入侵检测系统已经不足以完成对越来越复杂的网络攻击的检测任务。入侵监测系统技术之中引入机器学习,可以有效地提高系统性能。文章主要介绍了几种机器学习方法在入侵检测中的应用。